从指标生成标签的SQL/Python代码示例

以下是 从指标生成标签的 SQL 与 Python 实用代码示例，覆盖金融、电商、互联网等典型场景，包含 规则法（Rule-based） 和 模型法（Model-based） 两种主流方式。

一、SQL 示例（适用于数仓/BI系统）

场景1：电商用户价值分层（RFM 模型简化版）

指标：最近购买距今天数（Recency）、30天购买次数（Frequency）标签：user_value_level（高价值 / 中价值 / 低价值 / 流失）

-- 假设有一张用户行为汇总表 user_behavior_aggSELECT    user_id,    recency_days,    purchase_freq_30d,    CASE        WHEN recency_days <= 7 AND purchase_freq_30d >= 3 THEN '高价值'        WHEN recency_days <= 30 AND purchase_freq_30d >= 1 THEN '中价值'        WHEN recency_days <= 90 THEN '低价值'        ELSE '流失'    END AS user_value_levelFROM user_behavior_agg;

场景2：金融客户风险标签

指标：近6个月逾期次数、负债收入比（DTI）标签：risk_level（低 / 中 / 高）

SELECT    cust_id,    overdue_count_6m,    dti_ratio,    CASE        WHEN overdue_count_6m = 0 AND dti_ratio < 0.4 THEN '低风险'        WHEN overdue_count_6m <= 2 AND dti_ratio < 0.7 THEN '中风险'        ELSE '高风险'    END AS risk_levelFROM customer_risk_metrics;

场景3：动态活跃度标签（按周更新）

-- 每周一凌晨跑批，生成本周用户活跃标签INSERT INTO user_active_tag (user_id, active_tag, update_date)SELECT    user_id,    CASE        WHEN login_days_7d >= 5 THEN '重度活跃'        WHEN login_days_7d >= 2 THEN '中度活跃'        ELSE '低活跃'    END AS active_tag,    CURRENT_DATE() AS update_dateFROM (    SELECT        user_id,        COUNT(DISTINCT login_date) AS login_days_7d    FROM user_login_log    WHERE login_date >= DATE_SUB(CURRENT_DATE(), INTERVAL 7 DAY)    GROUP BY user_id) t;

二、Python 示例（适用于建模/自动化标签系统）

环境依赖

import pandas as pdimport numpy as npfrom sklearn.cluster import KMeans

示例1：规则法生成标签（类似SQL逻辑）

# 假设 df 是包含用户指标的DataFramedf = pd.read_csv("user_metrics.csv")  # 含字段: user_id, recency, frequency, monetarydef assign_value_tag(row):    if row['recency'] <= 7 and row['frequency'] >= 3:        return '高价值'    elif row['recency'] <= 30 and row['frequency'] >= 1:        return '中价值'    elif row['recency'] <= 90:        return '低价值'    else:        return '流失'df['user_value_tag'] = df.apply(assign_value_tag, axis=1)# 保存标签结果df[['user_id', 'user_value_tag']].to_csv("user_tags.csv", index=False)

示例2：聚类法生成用户分群标签（无监督）

# 标准化指标（KMeans对量纲敏感）from sklearn.preprocessing import StandardScalermetrics = df[['recency', 'frequency', 'monetary']]scaler = StandardScaler()metrics_scaled = scaler.fit_transform(metrics)# K-Means 聚类（假设分4类）kmeans = KMeans(n_clusters=4, random_state=42)df['cluster_id'] = kmeans.fit_predict(metrics_scaled)# 为聚类结果赋予业务含义cluster_summary = df.groupby('cluster_id')[['recency', 'frequency', 'monetary']].mean()print(cluster_summary)# 手动映射标签（根据均值解释）cluster_label_map = {0: '高价值', 1: '价格敏感', 2: '新客', 3: '流失风险'}df['behavior_tag'] = df['cluster_id'].map(cluster_label_map)df[['user_id', 'behavior_tag']].to_csv("behavior_tags.csv", index=False)

示例3：用分类模型预测“流失标签”（监督学习）

from sklearn.ensemble import RandomForestClassifierfrom sklearn.model_selection import train_test_split# 假设已有历史数据：features + 是否流失（is_churn）data = pd.read_csv("churn_data.csv")X = data[['login_days_7d', 'avg_session_time', 'support_tickets']]y = data['is_churn']  # 0=未流失, 1=流失# 训练模型X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)model = RandomForestClassifier()model.fit(X_train, y_train)# 对新用户打流失风险标签new_users = pd.read_csv("new_user_metrics.csv")new_users['churn_prob'] = model.predict_proba(new_users[X.columns])[:, 1]new_users['churn_risk_tag'] = np.where(new_users['churn_prob'] > 0.7, '高流失风险', '正常')new_users[['user_id', 'churn_risk_tag']].to_csv("churn_risk_tags.csv", index=False)

三、关键工程实践建议

四、输出表示例（标签表结构）

✅ 最佳实践：标签应作为独立数据资产管理，而非临时计算字段。

💡 总结：

• • 简单场景 → 用 SQL 规则（快、透明、易维护）
• • 复杂模式 → 用 Python 模型（精准、可扩展）
• • 无论哪种，都要确保：可追溯、可更新、可行动

免责声明：

本公众号所发布的内容仅为个人学习、研究与交流之用，不构成任何形式的学术、投资、医疗或其他专业建议。文中所涉及的观点、方法和资料均基于公开信息与个人理解，可能存在不完整或偏差之处。读者在参考时请自行甄别和验证，由此产生的任何后果，作者不承担责任（部分内容由AI生成，请注意甄别）。

版权声明：

除特别注明外，本公众号原创内容版权均归作者所有。未经授权，任何机构或个人不得以任何形式转载、引用或用于商业用途。若需转载或引用，请联系作者并注明出处。部分内容如引用自公开资料或网络资源，版权归原作者所有，如有侵权请联系删除。